WOLFRAM

Wolfram言語 ＆ システムドキュメントセンター

LLMSynthesize[prompt]

入力 prompt に従ってテキストを生成する．

LLMSynthesize[{prompt1,…}]

複数の promptiを結合する．

LLMSynthesize[…,prop]

生成されたテキストの指定された特性を返す．

詳細とオプション
Details and Options Details and Options
例題  
例  
スコープ  
オプション  
Authentication  
LLMEvaluator  
ProgressReporting  
アプリケーション  
考えられる問題  
関連項目
関連するガイド
履歴
引用書式

LLMSynthesize

この機能には次が必要です：LLMアクセス »

LLMSynthesize[prompt]

入力 prompt に従ってテキストを生成する．

LLMSynthesize[{prompt1,…}]

複数の promptiを結合する．

LLMSynthesize[…,prop]

生成されたテキストの指定された特性を返す．

詳細とオプション

  • LLMSynthesizeは，大規模言語モデル(LLM)を使い，プロンプトで指定された指示に従ってテキストを生成する．この関数は，’コンテンツの作成，文の完成，情報の抽出等ができる．
  • LLMSynthesizeは，外部サービスの認証，請求，インターネット接続を必要とする．
  • 以下は，prompt の可能な値である．
  • "text"静的テキスト
    LLMPrompt["name"]リポジトリプロンプト
    StringTemplate[…]テンプレートテキスト
    TemplateObject[…]プロンプト作成用テンプレート
    Image[…]画像
    {prompt1,…}プロンプトのリスト
  • テンプレートオブジェクトはTemplateObject[…][]を介して自動的に文字列に変換される．
  • TemplateObjectで作成したプロンプトにはテキストと画像を入れることができる．
  • すべてのLLMが画像入力をサポートする訳ではない．
  • 次は，prop のサポートされている値である．
  • "CompletionText"LLMからのテキストによる答
    "CompletionToolsText"ツールとのインタラクションを含んだテキストによる答
    "FormattedBoxes"Notebook Assistantボックスとしてフォーマットされた完成文
    "FormattedText"フォーマットされた"Markdown"完成文
    "FullText""History"の文字列表現
    "History"プロンプトと完成文を含む完全な履歴
    "LLMEvaluator" ランタイムのLLMEvaluator値
    "NotebookObject"新規のノートブック内のフォーマットされた完成文
    "Prompt"LLMに送信されたコンテンツ
    "PromptText""Prompt"の文字列表現
    "ToolRequests"LLMToolRequestオブジェクトのリスト
    "ToolResponses"LLMToolResponseオブジェクトのリスト
    "Usage"使用法のトークン
    {prop1,prop2,…}複数の特性
    Allすべての特性
  • "FullTextAnnotations"，"ToolRequests"および"ToolResponses"は{start,end}val の形式の要素を含む連想を返す．ただし，val はオブジェクトを参照し，start と end は文字列の範囲を参照する．val は"FullText"で指定される．
  • 次は，指定可能なオプションである．
  • AuthenticationAutomatic認証スキーム
    LLMEvaluator$LLMEvaluator使用するLLM設定
    ProgressReporting$ProgressReporting計算の進捗状況の報告方法
  • LLMEvaluatorは，LLMConfigurationオブジェクトまたは以下のキーの任意のものを含む連想に設定できる．
  • "MaxTokens"生成するトークンの最大数
    "Model"ベースモデル
    "PromptDelimiter"プロンプト間に使用するデリミタ
    "Prompts"初期プロンプトまたはLLMPromptGeneratorオブジェクト
    "StopTokens"生成を止めるトークン
    "Temperature"サンプリング温度
    "ToolMethod"ツールの呼出しに使用するメソッド
    "Tools"使用可能にするLLMToolオブジェクトのリスト
    "TopProbabilities"サンプリングクラスのカットオフ
    "TotalProbabilityCutoff"サンプリング確率のカットオフ（核サンプリング）
  • 次は，"Model"の有効な形式である．
  • name名前付きのモデル
    {service,name}service からの名前付きのモデル
    <|"Service"service,"Name"name,"Task"task|>完全に指定されたモデル
  • タスクの可能な値には"Chat"と"Completion"がある．
  • 生成されたテキストは，配布物からサンプリングされる．サンプリングの詳細は，LLMEvaluatorの以下の特性で指定できる．
  • "Temperature"tAutomatic正の温度 t を使ったサンプリング
    "TopProbabilities"kAutomatic最もありそうな k 個のクラスのみからのサンプリング
    "TotalProbabilityCutoff"pAutomatic最低でも p の累積確率を持つ最もありそうな選択肢からのサンプリング（核サンプリング）
  • これらのパラメータの値Automaticには，指定された"Model"のデフォルト値が使われる．
  • LLMEvaluatorの"Prompts"特性で指定されたプロンプトは，タスクが"Chat"の場合はロール（役割）が"System"に設定されて入力 prompt の前に加えられる．
  • 複数のプロンプトはLLMEvaluatorの"PromptDelimiter"特性で分離される．
  • 次は，Authenticationの可能な値である．
  • Automatic認証スキームを自動選択する
    Environment環境変数のキーをチェックする
    SystemCredentialシステムキーチェーンのキーをチェックする
    ServiceObject[…]サービスオブジェクトから認証を継承する
    "string"明示的なAPIキーを与える
  • AuthenticationAutomaticのとき，関数はEnvironmentとSystemCredentialの変数ToUpperCase[service]<>"_API_KEY"をチェックする．それ以外の場合はServiceConnect[service]が使われる．
  • LLMSynthesizeは機械学習を使う．含まれるメソッド，訓練集合，バイアスはWolfram言語のバージョンによって異なることがあり，与えられる結果も異なる可能性がある．

例題

すべて開く すべて閉じる

例  (3)

簡単な説明に基づいてテキストを合成する：

Wolfram Language code: LLMSynthesize["A short poem about a boar"]

質問する：

Wolfram Language code: LLMSynthesize["What's the plural of mouse?"]

LLMのフルコンテキストを返す：

Wolfram Language code: LLMSynthesize["What is the biggest mountain? ", "FullText"]

スコープ  (4)

プロンプトに基づいてテキストを合成する：

Wolfram Language code: LLMSynthesize["the product of 5 and 6 is "]

テキストと画像があるプロンプトを使う：

Wolfram Language code: LLMSynthesize[{"what is this image?", [image], "Tell me just one word about it"}, LLMEvaluator -> <|"Model" -> {"OpenAI", "gpt-4o"}|>]

返す特性を指定する：

Wolfram Language code: LLMSynthesize["the product of 5 and 6 is ", "FullText"]

完成文のテキストをフォーマットされたボックスとしてインポートする：

Wolfram Language code: LLMSynthesize["what is the tallest mountain?", "FormattedBoxes", LLMEvaluator -> "AgentOne"]

オプション  (10)

Authentication  (4)

APIに認証キーを与える：

Wolfram Language code: LLMSynthesize["the product of 5 and 6 is ", Authentication -> "<my-key>"]

オペレーティングシステムのキーチェーンを使ってAPIキーを格納する：

Wolfram Language code: SystemCredential["OPENAI_API_KEY"] = "<my-key>"

システムのキーチェーンにキーを探す：

Wolfram Language code: LLMSynthesize["the product of 5 and 6 is ", Authentication -> SystemCredential]

APIキーを環境変数に格納する：

Wolfram Language code: SetEnvironment["OPENAI_API_KEY" -> "<my-key>"]

システム環境でキーを探す：

Wolfram Language code: LLMSynthesize["the product of 5 and 6 is ", Authentication -> Environment]

サービスオブジェクトを介して認証する：

Wolfram Language code: so = ServiceConnect["OpenAI"]
Wolfram Language code: LLMSynthesize["the product of 5 and 6 is ", Authentication -> so]

LLMEvaluator  (5)

Wolframの計算支援生成(CAG)を使用する：

Wolfram Language code: LLMSynthesize["the first 100 digits of Pi", LLMEvaluator -> "WolframAIAssistant"]

デフォルトで，テキスト生成は終了トークンが生成されるまで継続する：

Wolfram Language code: LLMSynthesize["answer with only the first 20 digits of Pi"]

生成されるサンプル（トークン）の量を制限する：

Wolfram Language code: LLMSynthesize["answer with only the first 20 digits of Pi", LLMEvaluator -> <|"Model" -> "gpt-4o-mini", "MaxTokens" -> 3|>]

サンプリングを温度0で実行するよう指定する：

Wolfram Language code: Table[LLMSynthesize["Answer with random a color", LLMEvaluator -> <|"Model" -> "gpt-4o-mini", "Temperature" -> 0|>], 3]

生成における変動を大きくするために，高い温度を指定する：

Wolfram Language code: Table[LLMSynthesize["Answer with a random color", LLMEvaluator -> <|"Model" -> "gpt-4o-mini", "Temperature" -> 1.5|>], 3]

分布を打ち切る前の最大累積確率を指定する：

Wolfram Language code: LLMSynthesize["What's the plural of mouse?", LLMEvaluator -> <|"TotalProbabilityCutoff" -> .2, "Model" -> "gpt-4o-mini"|>]

生成に使用するサービスとモデルを指定する：

Wolfram Language code: LLMSynthesize["What's the plural of mouse?", LLMEvaluator -> <|"Model" -> {"Anthropic", "claude-haiku-4-5-20251001"}|>]

ProgressReporting  (1)

進捗情報はレポートしない：

Wolfram Language code: LLMSynthesize["What's the tallest mountain?", ProgressReporting -> False]

アプリケーション  (2)

プログラムを使ってプロンプトを構築する関数を定義する：

Wolfram Language code: promptfunction[prompt_][args___] := LLMSynthesize[TemplateApply[prompt, {args}]]

これを使って自然言語の同義語生成器を作成する：

Wolfram Language code: synonyms = promptfunction["write `2` synonyms of `1`"]

これを一連の引数に適用する：

Wolfram Language code: synonyms["city", 2]

Wolfram言語についての個別の指示を取得する：

Wolfram Language code: LLMSynthesize["Plot a rational polynomial in the complex plane", "FormattedBoxes", LLMEvaluator -> "WolframAIAssistant"]

推奨された式の「挿入して評価」をクリックする：

Wolfram Language code: ComplexPlot[(z ^ 2 + 1) / (z ^ 2 - 1), {z, -2 - 2 I, 2 + 2 I}]

考えられる問題  (3)

テキスト生成が文字による指示に従う保証はない：

Wolfram Language code: pi = LLMSynthesize["Pi to the 57th decimal digit"]
Wolfram Language code: StringLength[pi]

正確な計算には厳密な算術を使う：

Wolfram Language code: N[Pi, 57 + 1]

モデルの中には，利用可能な生成設定の部分集合のみをサポートするものがある：

Wolfram Language code: LLMSynthesize["Answer with random a color", LLMEvaluator -> <|"Temperature" -> 0|>]

推論用のもの等，モデルによって使用されるトークンは，出力には現れない場合がある：

Wolfram Language code: LLMSynthesize["answer with only the first 20 digits of Pi", LLMEvaluator -> <|"MaxTokens" -> 3|>]
Wolfram Research (2023), LLMSynthesize, Wolfram言語関数， https://reference.wolfram.com/language/ref/LLMSynthesize.html （2026年に更新）.

テキスト

Wolfram Research (2023), LLMSynthesize, Wolfram言語関数， https://reference.wolfram.com/language/ref/LLMSynthesize.html （2026年に更新）.

CMS

Wolfram Language. 2023. "LLMSynthesize." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2026. https://reference.wolfram.com/language/ref/LLMSynthesize.html.

APA

Wolfram Language. (2023). LLMSynthesize. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/LLMSynthesize.html

BibTeX

@misc{reference.wolfram_2026_llmsynthesize, author="Wolfram Research", title="{LLMSynthesize}", year="2026", howpublished="\url{https://reference.wolfram.com/language/ref/LLMSynthesize.html}", note=[Accessed: 15-November-2026]}

BibLaTeX

@online{reference.wolfram_2026_llmsynthesize, organization={Wolfram Research}, title={LLMSynthesize}, year={2026}, url={https://reference.wolfram.com/language/ref/LLMSynthesize.html}, note=[Accessed: 15-November-2026]}